| 二维典型相关分析的实质与改进算法 |
| |
| 引用本文： | 杨茂龙,孙权森,夏德深,袁珏.二维典型相关分析的实质与改进算法[J].解放军理工大学学报,2009,10(6):517-522. |
| |
| 作者姓名： | 杨茂龙 孙权森 夏德深 袁珏 |
| |
| 作者单位： | 杨茂龙(南京理工大学计算机学院.江苏南京210094;解放军国际关系学院,江苏南京210039);孙权森,夏德深(南京理工大学计算机学院,江苏南京,210094);袁珏(解放军理工大学气象学院,江苏南京,211101) |
| |
| 基金项目： | 国家自然科学基金资助项目，江苏省自然科学基金资助项目 |
| |
| 摘 要： | 由于样本数常小于样本维数,传统的典型相关分析方法CCA(canonical correlation analysis)会产生小样本问题.为了解决这类问题,一种新的有监督特征抽取方法--二维典型相关分析2DCCA被提出.与传统CCA方法把二维图像矩阵拉成一维向量不同,2DCCA直接从图像矩阵中抽取特征,该方法有效地解决了小样本问题.但是在单特征下,CCA的类标编码对识别率会产生影响,在一维情况下,传统的类标编码使得CCA等价于LDA,从而限制了CCA抽取更多有效的识别特征.证明了在传统的类标编码时,2DCCA仍然与2DLDA等价.为了打破这种约束,提出了一种基于样本标号的2DCCA改进算法.在ORL和AR人脸库上的实验表明,提出的方法优于传统的2DCCA.
|
| 关 键 词： | 典型相关分析 类标编码 线性鉴别分析 特征抽取 人脸识别 |
Essential of two-dimensional canonical correlation analysis and improved algorithm |
| |
| YANG Mao-long,SUN Quan-sen,XIA De-shen and YUAN Jue.Essential of two-dimensional canonical correlation analysis and improved algorithm[J].Journal of PLA University of Science and Technology(Natural Science Edition),2009,10(6):517-522. |
| |
| Authors: | YANG Mao-long SUN Quan-sen XIA De-shen and YUAN Jue |
| |
| Institution: | College of Computer Science, Nanjing University of Science & Technology, Nanjing 210094, China;International Studies University of Nanjing, Nanjing 210039, China;College of Computer Science, Nanjing University of Science & Technology, Nanjing 210094, China;College of Computer Science, Nanjing University of Science & Technology, Nanjing 210094, China;Institute of Meteorology, PLA Univ. of Sci. & Tech. , Nanjing 211101, China |
| |
| Abstract: | |
| |
| Keywords: | |
| 本文献已被 万方数据 等数据库收录！ |
| 点击此处可从《解放军理工大学学报》浏览原始摘要信息 |
| 点击此处可从《解放军理工大学学报》下载免费的PDF全文 |
|
